سگ رباتيک حملات مهاجمان را دفع می‌کند

به گزارش گروه وب گردی خبرگزاری صدا و سیما؛ این حیوان مکانیکی به نام جویینگ (Jueying) در دانشگاه ججیانگ چین ساخته شده است و با همکاری محققان دانشگاه ادینبرا به این سگ مکانیکی آموزش داده شده است که در برابر حملات چه کند. پژوهشگران رباتیک برای آموزش یک مدل کامپیوتری به این سگ رباتیک، از یک شبکه عصبی عمیق - الگوریتمی که برای تقلید از مغز انسان طراحی شده است- استفاده کردند. چنین چیزی به این سگ رباتیک این توانایی را می‌دهد که بدود و یا زمانی که می‌افتد بتواند دوباره سرپا بایستد.

در صورتی که ربات کاری سودمند و مفید علاوه بر اعمال برنامه‌ریزی شده خود انجام دهد، پاداش دریافت می‌کند و در غیر این صورت به صورت دیجیتالی به عنوان رفتار منفی ثبت می‌شود، روشی به مراتب پیچیده‌تر از روش آزمون و خطایی که محققان برای آموزش ربات‌ها استفاده می‌کنند. 

ژیبین لی پژوهشگررباتیک در دانشگاه ادینبرا و یکی از نویسندگان مقاله‌ای که در ساینس ربوتیکس منتشر شده است در گفتگو با مجله وایرد (Wired) می‌گوید: «رویکرد هوش مصنوعی به این معنا که تجربه‌های ربات را صد‌ها و هزاران بار یا حتی میلیون‌ها بار ثبت می‌کند بسیار متفاوت است.

از این رو در یک محیط شبیه‌سازی شده، من می‌توانم تمام سناریو‌های ممکن را خلق کنم. من می‌توانم محیط‌های مختلف یا موقعیت‌های متفاوت را بسازم. برای مثال، ربات می‌تواند در حالت‌های مختلف روشن شود و مراحل را شروع کند. مثلا در حالی که روی زمین دراز کشیده است، افتاده است و نظایر آن.»

هشت متخصص شبیه‌سازی در زمینه ساخت و توسعه توانایی‌های مختلف ربات‌ها از جمله راه رفتن و حفظ تعادل و دویدن و چیز‌های دیگر آموزش دیدند. زمانی که ربات با یک موقعیت دشوار مواجه می‌شد، موقعیتی از قبیل افتادن روی یک سطح ناهموار، هرکدام از متخصصان الگوریتم می‌توانستند خلاقانه به ربات بگویند که برای برخاستن دوباره چه کاری باید انجام دهد.

از این رو، زمانی که فردی به سمت سگ می‌آید و او را به زمین می‌اندازد، ربات می‌داند که چگونه دوباره روی پای خود بایستد و به وضع تعادل برگردد. 

هدف نهایی این پژوهش، این است که ربات‌ها به جای آن که کد‌های مخصوصی برای بالا رفتن از پله‌ها یا مقاومت در برابر افتادن داشته باشند، به همان طریقی که کودک انسان یاد می‌گیرد، روش مواجهه با مسائل را بیاموزند. برای مثال می‌توان به سادگی به ربات گفت که کافیست دست و پای خود را حرکت دهد. سپس هوش مصنوعی می‌تواند در نهایت حرکت صحیح را پیدا کند.

زمانی که ربات‌ها به زندگی روزمره وارد شوند و یا برای کاربرد‌های تبلیغاتی مورد استفاده قرار گیرند، این روش آموزش بسیار مهم خواهد شد. زیرا بسیاری از متغیر‌های غیر قابل کنترل وجود دارد که محققان نمی‌توانند پیش‌بینی کنند. از این رو این که برای هر حرکت و موقعیت احتمالی، کدی نوشته شود و ربات آموزش دیده شود، غیرممکن خواهد بود.

«یک تصویر و دورنما این است که ما ماشین‌های هوشمندی خواهیم داشت که می‌توانند مهارت‌های انطباق‌پذیر خود را در هنگام حرکت، با هم تلفیق کنند تا از پس موقعیت‌های مختلف که تا آن زمان تجربه نکرده‌اند برآیند.»